c++ - 对大文件有效的轻量级 XML 解析器？

Question

我需要解析潜在的巨大 XML 文件，所以我猜这排除了 DOM 解析器。

是否有任何用于 C++ 的轻量级 SAX 解析器，可与 TinyXML 在占用空间上相媲美？XML 的结构非常简单，不需要像名称空间和 DTD 之类的高级东西。只是元素、属性和 cdata。

我知道 Xerces，但它超过 50mb 的绝对大小让我不寒而栗。

谢谢！

score 7 · Accepted Answer

如果您使用的是 C，那么您可以使用Gnome项目中的LibXML 。您可以为文档选择 DOM 和 SAX 接口，以及多年来开发的许多附加功能。如果您真的想要 C++，那么您可以使用libxml++，它是 LibXML 的 C++ OO 包装器。

该库已经一次又一次地被证明，具有高性能，并且几乎可以在您能找到的任何平台上编译。

score 6 · Accepted Answer

我喜欢 ExPat
http://expat.sourceforge.net/

它是基于 C 的，但有几个 C++ 包装器可以提供帮助。

score 3 · Accepted Answer

3

RapidXML是一个用 C++ 编写的非常快速的 XML 解析器。

于 2010-01-23T21:44:14.043 回答

score 2 · Accepted Answer

http://sourceforge.net/projects/wsdlpull 这是 java xmlpull api ( http://www.xmlpull.org/ )的直接 c++ 端口

我强烈推荐这个解析器。我必须定制它以在我的嵌入式设备上使用（不支持 STL），但我发现它非常快且开销很小。我必须制作自己的字符串和向量类，即使在 Windows 上编译到大约 60k 的那些。

我认为拉解析比 SAX 之类的更直观。该代码更紧密地反映了 xml 文档，因此可以轻松地将两者关联起来。

一个缺点是它只是向前的，这意味着您需要在元素到来时对其进行解析。我们有一个相当混乱的设计来读取我们的配置文件，我需要解析整个子树，进行一些检查，然后设置一些默认值，然后再次解析。使用此解析器，处理此类事情的唯一真正方法是制作状态副本，用它进行解析，然后继续使用原始状态。与我们的旧 DOM 解析器相比，它在资源方面仍然是一个巨大的胜利。

score 1 · Accepted Answer

如果您的 XML 结构非常简单，您可以考虑基于 lex/yacc (flex/bison) 构建一个简单的词法分析器/扫描器。W3C 的资源可能会启发您：http ://www.w3.org/XML/9707/parser.y和http://www.w3.org/XML/9707/scanner.l。

另请参见libxml 中的 SAX2 接口

score 1 · Accepted Answer

firstobject 的CMarkup是一个 C++ 类，它作为一个轻量级的大文件拉解析器（我推荐拉解析器而不是 SAX）和大 XML 文件编写器。它为您的可执行文件添加了大约 250kb。根据一位用户的报告，当在内存中使用时，它的占用空间是 tinyxml 的 1/3。当用于大文件时，它只在内存中保存一个小缓冲区（如 16kb）。CMarkup 目前是一种商业产品，因此它受到支持、记录和设计，可以通过单个 cpp 和 h 文件轻松添加到您的项目中。

尝试它的最简单方法是使用免费的 firstobject XML 编辑器中的脚本，例如：

ParseHugeXmlFile()
{
  C标记xml；
  xml.Open("HugeFile.xml", MDF_READFILE);
  while ( xml.FindElem("//record") )
  {
    // 进程记录...
    str sRecordId = xml.GetAttrib("id");
    xml.IntoElem();
    xml.FindElem("描述");
    str sDescription = xml.GetData();
  }
  xml.关闭（）；
}

从“文件”菜单中，选择“新建程序”，将其粘贴进去并针对您的元素和属性进行修改，按 F9 运行它或按 F10 逐行逐行执行。

score 1 · Accepted Answer

你可以试试https://github.com/thinlizzy/die-xml。它似乎非常小且易于使用

这是一个最近开源的 C++0x XML SAX 解析器，作者愿意反馈

它解析输入流并在与 std::function 兼容的回调上生成事件

堆栈机器使用有限自动机作为后端，一些事件（开始标签和文本节点）使用迭代器来最小化缓冲，使其非常轻量级

score 0 · Accepted Answer

如果您想要小而快，我会查看生成特定于 DTD/Schema 的解析器的工具。这些对于大型文档非常有用。

score -1 · Accepted Answer

我强烈推荐pugixml

pugixml 是一个轻量级的 C++ XML 处理库。

“pugixml 是一个 C++ XML 处理库，它由一个具有丰富遍历/修改能力的类 DOM 接口、一个从 XML 文件/缓冲区构造 DOM 树的极快的 XML 解析器和一个用于复杂数据的 XPath 1.0 实现组成——驱动的树查询。还提供完整的 Unicode 支持，包括 Unicode 接口变体和不同 Unicode 编码之间的转换。

在商业产品中选择和使用 pugixml 之前，我已经测试了一些 XML 解析器，包括一些昂贵的解析器。

pugixml 不仅是最快的解析器，而且拥有最成熟、最友好的 API。我强烈推荐它。是非常稳定的产品！我从 0.8 版开始使用它。现在是1.7。

这个解析器的最大好处是 XPath 1.0 实现！对于任何更复杂的树查询，XPath 都是上帝派来的功能！

具有丰富遍历/修改功能的类 DOM 接口对于处理现实生活中的“重”XML 文件非常有用。

它是小型、快速的解析器。如果您不介意链接 C++ 代码，即使对于 iOS 或 Android 应用程序也是不错的选择。

基准可以说明很多。见： http: //pugixml.org/benchmark.html

(x86) 的几个例子：

pugixml is more than 38 times faster than TinyXML

                    4.1 times faster than CMarkup,

                    2.7 times faster than expat or libxml

For (x64) pugixml 是我所知道的最快的解析器。

还要检查您的 XML 解析器对内存的使用情况。一些解析器只是吞噬宝贵的内存！

c++ - 对大文件有效的轻量级 XML 解析器？

9 回答 9

Related

Reference